Google Analytics資料報表

在您可以使用 Customer Journey Analytics 中的資料後，以下範例提供關於該資料報告的一些實用情境。

以視覺化方式將網頁資料和應用程式資料呈現為合併的資料集

這張文氏圖表顯示您的網站上的使用者 (來自您的 Google Analytics 資料)、您的行動應用程式上的使用者 (來自您的 Firebase 資料) 以及您的客服中心的使用者重疊的情況。 您也可以查看績效最高的商品 - 不只可以在網頁上查看，也可以在行動應用程式中查看。 您甚至可以使用計算度量取得這兩者的總收入。 當您查看合併收入時，請注意績效最好的商品如何講述不同的故事。 如果沒有合併資料集，您永遠不會知道「斜紋帽」的績效如此高。

找出客戶來電的原因，並減少來電數量

您可以建立客服中心在前二個月所花的時間趨勢，以判定來電數量。 以下範例說明此資料在前二個月期間的趨勢。 以下範例顯示上升的趨勢，這會影響組織成本。

使用維度「來電原因」可以指出改善網路體驗的方式，從一開始就防止人們來電。 上述的範例顯示「商品損壞」的每通來電的平均通話時間將近 3 分鐘，提供貴組織精準的方式以改善客戶體驗並降低客服中心成本。

您可以檢視客服中心最常接到有關哪些商品來電，以及有多少客戶撥打了這類電話。 泡泡圖指出有 20,000 人打了電話，一共花了超過 4 小時又 30 分鐘的時間，並且退回了 33 件「男士短袖 T 恤」商品。

套用「通話原因」的維度劃分，該範例顯示「商品損壞」的維度項目。 下一步是聯絡品質控制部門，並了解為何客戶會收到損壞的 T 恤。

您可以審視哪些網站頁面造成客服中心來電增加。 此份報告可讓您知道網站上表現不佳的體驗位在何處，並幫助產品經理解決這些難題。 以下範例使用具參與率歸因模型的計算量度，將資料篩選為僅限以客服中心電話結尾的互動。

以下範例顯示「購物車」和「結帳資訊」頁面造成了大多數的來電。

同類群組表格可以讓您了解使用者在瀏覽網站後，通常過了多久才會撥電話到我們的客服中心。 以下範例指明本範例資料集的平均時間是介於三到四週。

使用進階行銷歸因

Customer Journey Analytics可讓您針對跨管道資料使用複雜的歸因模型。 在以下範例中，您可以看到將收入的最後接觸、首次接觸、U 型及演算法歸因套用到 Google Analytics 管道分組維度的比較。

使用計算量度時，您可以將該歸因套用到您的網頁收入、行動應用程式收入，甚至可以移除商品退貨。 因此，您可以看到每個行銷管道的真正淨收入。

Attribution IQ 也可讓您篩選資料。 您可以查看僅限特定組使用者的歸因，例如使用多台裝置使用者。

您也可以將您的網頁和應用程式收入歸因於您的 Google 廣告內容。 此資料集範例從線上 Google Ads 所驅動的行動應用程式，比從網頁上獲得更高的收入。 當您根據網頁和應用程式收入進行廣告排序時，您對於哪些 Google 廣告成效最佳會有非常不同的觀點。

結合Customer Journey Analytics中的資料集，您可在此範例中看到線上廣告對於使用行動應用程式購買的產品有任何影響。 以下視覺化顯示，相較於網頁本身的收入，來自 Google Ads 的行動應用程式收入增加了 14000 美元到 15000 美元。